Correlation and Substitution in SPARQL
在当前的SPARQL规范中，相关性和替换的概念没有很好地定义。这个问题引发了语义上的几个歧义。事实上，Fuseki和Virtuoso的实现采用了不同的语义。在这份技术报告中，我们提供了一个相关和替代的语义，遵循逻辑，程序设计语言和SQL中的替代和相关的经典哲学。我们认为这个建议不仅解决了当前的歧义和问题，而且有助于为语言的进一步扩展建立一个安全的形式化基础。这项工作是丹尼尔·埃尔南德斯正在进行的工作的一部分。SPARQL 1.1的W3C规范中的这些异常早在2014年就被发现并报告，当时注册了两个错误（参见。https://www.w3.org/2013/sparql-errata#errata-query-8和https：//www.w3.org/2013/sparql-errata#errata-query-10）。
2016-07-12 cs.DB
Foundations of SPARQL Query Optimization
SPARQL查询语言是最近用于处理RDF数据的W3C标准，RDF数据是一种以机器可读的方式编码信息的格式。我们调查的基础SPARQL查询优化和（a）提供新的复杂性结果的SPARQL评估问题，表明复杂性的主要来源是操作可选的单独的;（b）提出了一套全面的代数查询重写规则;（c）提出了一个框架，基于约束的SPARQL优化的基础上著名的追逐过程的连接查询最小化。在这条线上，我们开发了两个新的终止条件的追逐。他们submanned迄今为止已知的最强的条件，并不增加识别问题的复杂性，从而使一个更大的类的合取和SPARQL查询服从基于约束的优化。我们的结果是直接的实际利益，并可能授权任何SPARQL查询优化器。
2009-01-26 cs.DB
SPARQL for a Web of Linked Data: Semantics and Computability (Extended Version)
万维网目前正在演变成一个链接数据网，其中内容提供方发布和链接数据，就像他们在过去20年中对超文本所做的那样。虽然声明性查询语言SPARQL实际上是用于从Web查询事先定义的数据集，但不存在用于查询关联数据Web本身的语言。然而，很自然地会问SPARQL是否也适合这样的目的。在本文中，我们正式调查的适用性SPARQL作为一个查询语言在Web上的关联数据。特别是，我们研究了两个查询模型：1）一个完整的Web语义的范围内的查询是一套完整的链接数据在Web上和2）一个家庭的可达性为基础的语义，限制范围的数据，是通过遍历某些数据链路。对于这两种模式，我们讨论的属性，如单调性和可计算性，以及查询的影响，是无限大的，由于数据生成服务器的Web。
2012-04-06 cs.DB
Creating RESTful APIs over SPARQL endpoints using RAMOSE
语义Web技术被广泛用于存储RDF数据，并通过SPARQL端点使其在Web上可用，可使用SPARQL查询语言进行查询。虽然SPARQL端点的使用得到了语义Web专家的大力支持，但它阻碍了普通Web用户、工程师和不熟悉语义Web技术的开发人员更广泛地使用RDF数据，这些人通常依赖Web RESTful API来查询Web可用数据并在其上创建应用程序。为了解决这个问题，我们开发了RAMOSE，这是一个用Python开发的通用工具，用于在SPARQL端点上创建REST API。通过创建特定于源的文本配置文件，RAMOSE可以通过简单的Web RESTful API调用来查询SPARQL端点，这些API调用返回JSON或CSV格式的数据，从而对普通Web用户隐藏SPARQL和RDF的所有内在复杂性。我们提供的证据表明，使用RAMOSE提供REST API访问OpenCitations triplestores中的RDF数据是有益的，在外部用户使用RAMOSE API对此类RDF数据进行查询的数量方面，与通过SPARQL端点的直接存取相比。我们的研究结果表明，RDF数据的供应商有一个替代的API访问服务，这使得它的使用没有（或很少）的经验，语义Web技术和SPARQL查询语言的重要性。RAMOSE既可用于查询任何SPARQL端点，也可用于查询任何其他Web API，因此，对于希望创建API服…
2021-05-30 cs.DB
Dynamic Provenance for SPARQL Update
虽然语义Web目前可以通过使用W3C PROV标准来展示出处信息，但在使用SPARQL将PROV连接到存储和查询RDF图的动态更改时存在“缺失的一环”。解决这个问题对于诸如为RDF创建版本控制系统这样的清晰用例是必需的。虽然一些起源模型和注释技术，用于存储和查询起源数据最初开发的数据库或工作流的头脑容易转移到RDF和SPARQL，这些技术不容易适应描述动态RDF数据集随时间的变化。在本文中，我们探讨了如何将Buneman等人的动态复制-粘贴起源模型[2]适应于随SPARQL更新而随时间变化的RDF数据集，如何以与W3C PROV兼容的方式将产生的起源记录本身表示为RDF，以及如何通过重新解释SPARQL更新来定义起源信息。本文的主要贡献是一个语义框架，使SPARQL更新的语义被用作一个“剪切和粘贴”的起源模型的基础上，在原则上的方式。
2014-08-05 cs.DB
Provenance for SPARQL queries
确定语义Web中可用数据的信任度对于应用程序和用户来说是至关重要的，特别是对于从SPARQL端点获得的链接开放数据。在文献中有几个建议，从抽象模型的值注释SPARQL查询结果，适应的起源注释关系数据库的开创性工作。我们提供了一种方法，能够提供一个大的和重要的SPARQL 1.1片段的出处信息，包括第一次在多集语义下的主要非单调结构。该方法是基于翻译的SPARQL到关系查询的注释关系的值的最一般的m-半环，并以这种方式也驳斥了文献中的说法，SPARQL的可选结构不能被捕获适当的已知的抽象模型。
2013-03-28 cs.DB
Multiset semantics in SPARQL, Relational Algebra and Datalog
Universidad de Talca（塔尔卡大学）；Millenium Institute for Foundational Research on Data (IMFD)（数据基础研究千年研究所）；Universidad de Chile（智利大学）；University of Stuttgart（斯图加特大学）
本文分析了SPARQL模式中AND、UNION、FILTER、EXCEPT和SELECT的多集合语义的代数与逻辑结构，通过与Datalog和关系代数对齐，证明了三种形式在多集合语义下的等价性。
2026-05-01 cs.DB cs.LO
SPARQL in N3: SPARQL CONSTRUCT as a rule language for the Semantic Web (Extended Version)
本文提出将 SPARQL CONSTRUCT 查询用作语义网逻辑规则，并翻译为 N3 规则语言以支持一般递归和现有推理机制，从而提升规则推理的表达力、可交换性与性能。
2025-08-18 cs.DB cs.LO
Simplified SPARQL REST API - CRUD on JSON Object Graphs via URI Paths
German Research Center for Artificial Intelligence GmbH (DFKI)（德国人工智能研究中心有限公司（DFKI））；Robert Bosch GmbH（罗伯特·博世有限公司）
在语义Web社区中，SPARQL是查询和更新RDF知识的主要语言之一。然而，SPARQL的复杂性、底层的图结构和各种编码是语义Web新手常见的困惑来源。在本文中，我们提出了一种通用方法，将任何给定的SPARQL端点转换为简单易用的REST API。为了降低初始障碍，我们将底层图表示为嵌套JSON对象的互连视图，这些对象可以由API路径遍历。
2018-05-03 cs.AI cs.DB
VGStore: A Multimodal Extension to SPARQL for Querying RDF Scene Graph
Wangxuan Institute of Computer Technology (WICT), Peking University（北京大学王选计算机研究所）；Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院）
语义Web技术已经成功地为许多RDF模型提供了丰富的数据表示方法。它还具有表示和存储多模态知识库（如多模态场景图）的潜在能力。然而，大多数现有的查询语言，特别是SPARQL，几乎没有探索隐含的多模态关系，如语义相似性，空间关系等，我们首先探讨了这个问题，通过组织一个大规模的场景图数据集，即Visual基因组，在RDF图数据库。基于所提出的RDF存储的多模态场景图，我们扩展了SPARQL查询以回答包含关于颜色、空间等的关系推理的问题。VGStore）展示了定制查询和显示多模态数据的有效性。
2022-09-07 cs.CL cs.DB
The tractability frontier of well-designed SPARQL queries
我们研究了SPARQL查询的查询评估的复杂性。我们专注于设计良好的SPARQL的基本片段，仅限于AND，OPTIONAL和UNION运算符。我们的主要结果是一个结构特征的类设计良好的查询，可以在多项式时间进行评估。特别是，我们引入了一个新的宽度概念，称为支配宽度，它依赖于著名的树宽概念。我们表明，在一些复杂性理论的假设下，设计良好的查询，可以在多项式时间进行评估的类正是那些有界的统治宽度。
2018-03-27 cs.DB cs.DS cs.LO
Using Linguistic Analysis to Translate Arabic Natural Language Queries to SPARQL
The Islamic University of Gaza（伊斯兰大学（加沙））
语义网基于逻辑的机器可理解的框架往往挑战天真的用户，当他们试图查询基于本体的知识库。现有的研究工作已经接近这个问题，通过引入自然语言（NL）接口的本体。这些NL接口具有基于NL用户查询构造SPARQL查询的能力。然而，大多数努力仅限于用英语表达的查询，并且它们通常受益于英语NLP工具的进步。然而，很少有研究已经做了支持查询的阿拉伯语内容的语义Web上使用NL查询。本文提出了一种独立于领域的方法，利用语言分析将阿拉伯语NL查询转换为SPARQL。基于对名词短语（NPs）的特殊考虑，我们的方法使用语言解析器从阿拉伯语解析树中提取NPs和关系，并将它们与底层本体进行匹配。然后，它利用本体中的知识将NP分组为基于三重的表示。通过提取目标和修饰符，并将它们解释为SPARQL，最终生成SPARQL查询。对高级语义特征包括否定、连词和转折修饰语的解释也得到了支持。使用OWL测试数据和查询数据集对该方法进行了验证，结果证实了该方法将阿拉伯语NL查询转换为SPARQL的可行性。
2015-08-06 cs.AI cs.CL cs.DB
Soundness and Completeness of SPARQL Query Containment Solver SpeCS
SPECS工具实现了一种高效的自动化方法来推理SPARQL查询包含问题。在本文中，我们证明了这种方法的正确性。给出了SPARQL语言核心子集的精确语义。我们简要地讨论了用于减少到一个正式的逻辑框架的查询包含问题的过程。我们证明，这种减少是健全的和完整的合取查询，也为一些重要的情况下，非合取查询包含操作工会，操作员可选，和子查询。可靠性和完整性证明被认为是在遏制和包容的形式。
2022-10-13 cs.DB cs.LO
Efficient Analytical Queries on Semantic Web Data Cubes
由于诸如开放数据和开放政府数据等倡议，在语义网（SW）上发布的多维数据量不断增加。因此，需要能够有效获取有价值信息的模型、语言和工具。多维数据通常表示为数据立方体，并使用联机分析处理（OLAP）技术进行开发。RDF数据立方体词汇表，也表示QB，是当前W3C标准，以表示统计数据的SW。由于QB不包括OLAP分析所需的关键功能，在以前的工作中，我们提出了一个扩展，表示QB4OLAP，以克服这个问题，而不需要修改已经发布的数据。一旦数据立方体在软件上表示，我们就需要工具来分析它们。然而，在SW多维数据集上编写高效的分析查询需要深入了解RDF和SPARQL。这些技能在典型的分析用户中并不常见。此外，像MDX这样的OLAP语言远不能被最终用户容易地理解。缺乏友好的工具来利用软件上的多维数据是一个需要打破的障碍，以促进此类数据的发布。我们在本文中解决这个问题。我们的方法是基于允许分析用户编写查询使用多维数据集的OLAP操作，而不处理SW标准。为此，我们设计了CQL（Cube查询语言的缩写），这是一种对多维数据集进行操作的简单、高级查询语言。使用QB4OLAP提供的元数据，我们将CQL查询转换为SPARQL。然后，我们提出了查询改进策略，以产生有效的SPARQL查询，适应SPARQL查询优化技术。我们评估我们的方法使用星模式基准，表明我们的建议优于其他人。一个允许使用CQL查询SW数据立方体的W…
2017-03-21 cs.DB
Partout: A Distributed Engine for Efficient RDF Processing
对语义Web技术的兴趣日益增加，不仅导致Web上语义数据的快速增长，而且还导致后端应用程序的数量不断增加，在某些情况下已经超过万亿个三元组。面对如此庞大的数据量和未来的增长，现有的用于存储RDF和处理SPARQL查询的最先进的系统不再足够。在本文中，我们介绍了Partout，一个分布式引擎，高效的RDF处理的机器集群。我们提出了一种有效的方法来分割RDF数据集的查询日志的基础上，分配片段的集群中的节点，并找到最佳的配置。Partout可以有效地处理更新，并且它的查询优化器可以为特殊SPARQL查询生成有效的查询执行计划。我们的实验表明，我们的方法的优越性国家的最先进的方法进行分区和分布式SPARQL查询处理。
2012-12-21 cs.DB
Assessing SPARQL capabilities of Large Language Models
Institute for Applied Informatics at Leipzig University（莱比锡大学应用信息学研究所）；Leipzig University（莱比锡大学）
本文在LLM-KG-Bench框架中实现了多维度基准测试任务，定量评估了GPT、Gemini和Claude等模型处理SPARQL SELECT查询的开箱即用能力，发现生成语义正确的查询对LLMs仍具挑战性。
2025-04-04 cs.AI cs.CL cs.DB
SPARQL for Networks of Embedded Systems
语义Web（或Web of Data）代表了在Web上链接和共享数据的成功尝试。Web of Data的基石是作为数据格式的RDF和作为事实标准查询语言的SPARQL。最近的趋势显示了数据网络向物联网的演变，集成了嵌入式设备和智能对象。来自这些设备的数据不共享通用格式，使得集成和查询变得不可能。为了克服这个问题，我们提出了我们的方法，使嵌入式系统的物联网的一流公民。我们的框架从单个部署中抽象出来，将它们表示为符合语义Web背后思想的公共数据源。这包括对来自嵌入式设备池和/或外部数据源的数据执行任意SPARQL查询。在嵌入式网络中处理冗长的RDF数据和执行SPARQL查询对最小化所涉及的处理和通信成本提出了重大挑战。因此，我们提出了一个网络查询处理器，旨在推动设备上的处理步骤。我们展示了我们的框架的实际应用和潜在的好处，在一个全面的评估，使用现实世界的部署和一系列的SPARQL查询源于一个常见的用例的Web的东西。
2014-02-28 cs.DB cs.DC
On foundational aspects of RDF and SPARQL
我们考虑的建议，万维网联盟（W3C）的资源描述框架（RDF）和相关的查询语言SPARQL。我们提出了一个新的形式化框架，范畴理论的基础上，提供了明确和简洁的形式化定义的主要基本特征的RDF和SPARQL。我们建议定义RDF图的概念，以及SPARQL基本图形模式的一些嵌套类别的对象。这使得人们可以明确，特别是，空白节点的作用。此外，我们认为基本SPARQL CONSTRUCT和SELECT查询和形式化的操作语义后，一种新的代数图变换方法称为POIM。
2020-03-16 cs.DB cs.FL cs.PL
A Hypercat-enabled Semantic Internet of Things Data Hub: Technical Report
University of Huddersfield（哈德斯菲尔德大学）；British Telecommunications（英国电信）
随着传感器网络和智能设备数量的迅速增加，产生了越来越多的信息。各种各样的来源以不同的格式生成和发布信息，因此强调互操作性是物联网（IoT）成功的关键先决条件之一。数据中心的BT Hyperion为共享和使用来自广泛来源的可用数据集提供了一个焦点。在这项工作中，我们提出了一个语义丰富的BT hyperlink在数据中心，使用公认的语义Web标准和工具。我们提出了一个本体，捕捉导入数据的语义，并通过SPARQL和SQL查询之间的映射，提出了BT SPARQL端点。此外，联邦SPARQL查询允许对多个基于中心的数据源和外部数据源进行查询。最后，我们提供了两个用例，以说明我们的语义方法所提供的优势。
2017-03-12 cs.AI cs.DB
An Algebraic Graph Transformation Approach for RDF and SPARQL
我们考虑了万维网联盟（W3C）关于RDF框架及其相关的查询语言SPARQL的建议。我们提出了一个新的形式化框架，范畴理论的基础上，提供了明确和简洁的形式化定义的主要基本特征的RDF和SPARQL。我们定义RDF图以及SPARQL基本图模式作为一些嵌套类别的对象。这使得人们可以明确，特别是，空白节点的作用。此外，我们认为基本SPARQL CONSTRUCT和SELECT查询和形式化的操作语义后，一种新的代数图变换方法称为POIM。
2020-12-03 cs.DB cs.PL cs.SC
Star Pattern Fragments: Accessing Knowledge Graphs through Star Patterns
语义Web提供了对通过SPARQL端点访问的大量互联信息的访问。这样的端点提供了一个定义良好的接口来检索复杂SPARQL查询的结果。处理这种SPARQL端点的计算负载提供了对大量互连信息的访问。虽然它们提供了一个定义良好的接口来有效地检索复杂SPARQL查询的结果，但复杂的查询负载很容易使端点过载或崩溃，因为回答查询的所有计算负载都完全驻留在托管端点的服务器上。最近提出的接口，如三重模式片段，因此，在非选择性三重模式的情况下，以增加网络流量为代价，将一些查询处理负载从服务器转移到客户端。因此，本文提出了星型模式片段（SPF），RDF接口，使服务器和客户端之间的一个更好的负载均衡分解成星形的子查询，SPARQL查询，评估他们在服务器端。使用合成数据（WatDiv）和真实数据（DBpedia）的实验表明，SPF不仅显著减少了网络流量，而且在高查询负载下比最先进的接口快两个数量级。
2021-11-09 cs.DB
Sapphire: Querying RDF Data Made Simple
链接开放数据（LOD）云中的RDF数据对于许多不同的应用程序都非常有价值。为了释放这些数据的全部价值，用户应该能够对LOD云中的RDF数据集发出复杂的查询。SPARQL可以表达这样复杂的查询，但是构造SPARQL查询对用户来说可能是一个挑战，因为它需要知道被查询的数据集的结构和词汇。在本文中，我们介绍了蓝宝石，一个工具，帮助用户编写语法和语义正确的SPARQL查询，而无需事先了解查询数据集。Sapphire通过根据查询数据提供自动完成建议，以交互方式帮助用户键入查询。在发出查询后，Sapphire会提供更改查询的建议，以更好地满足用户的需求。我们基于性能实验和用户研究对Sapphire进行了评估，并表明它优于竞争方法。
2018-09-13 cs.DB
Fast Dual Simulation Processing of Graph Database Queries (Supplement)
图数据库查询语言具有表达性强但计算开销大的模式匹配能力。例如，在SPARQL中插入可选查询子句会立即呈现查询求值问题的Pspace完全性。因此，轻量级图模式匹配关系，例如模拟，最近已经被研究为更昂贵的查询机制的有希望的替代方案，例如，计算子图同构。尽管如此，图模式匹配本身缺乏表达查询能力：所有模式都是由通常的连接结构组合在一起的，为了使解决方案对新兴应用程序有用，更复杂的功能是不可避免的。在本文中，我们通过引入一个新的双模拟SPARQL查询操作过程来弥合这一差距。除了支持SPARQL查询的完整语法结构外，它还具有多项式时间模式匹配的功能，可以计算来自数据库的查询结果的过度近似。此外，为了实现与最先进的数据库系统的运行时竞争，我们开发了一种新的算法解决方案，双模拟图模式匹配，基于一个系统的不等式，允许几个优化算法。最后，我们实现了我们的SPARQL查询，包括UNION，AND和OPTIONAL操作符的过程中，不限于精心设计的模式的合理性。我们的合成和真实世界的图形数据的实验，保证了一个明确的增益图数据库系统时，将新的双重模拟技术。在这篇补充论文中，我们详细介绍了第35届IEEE国际数据工程会议（ICDE 2019）论文集中包含的原始论文“图数据库的快速双重模拟处理”的所有证明，实验结果的讨论和复杂性分析，中国澳门。
2018-10-22 cs.DB
All You Need Is CONSTRUCT
在SPARQL中，查询表单SELECT和CONSTRUCT已经成为理论和实践上的几项研究的主题。然而，这种查询的组成和它们的交织时，形成涉及嵌套查询还没有收到很大的兴趣在文献中。我们主要解决的问题，组成这样的查询。为此，我们引入了一种接近SPARQL的语言，在这种语言中，查询可以随意嵌套，包括CONCLUSION CT或SELECT查询形式，并为它提供了一种形式化的语义。这种一致性是由于RDF图的概念扩展到包括诸如变量之类的孤立项。作为这项工作的一个关键特征，我们展示了如何经典的SELECT查询可以很容易地编码为一个特定的情况下，CONSTRUCT查询。
2020-10-02 cs.DB cs.PL
OptImatch: Semantic Web System with Knowledge Base for Query Performance Problem Determination
数据库查询性能问题的确定通常通过分析查询执行计划（QEP）以及其他性能数据来执行。随着组织运行的查询工作负载变得越来越大，越来越复杂，即使由专家手动分析QEP也变得非常耗时。大多数性能诊断工具都有助于识别有问题的查询，大多数查询调优工具只解决有限数量的已知问题和建议。我们提出了OptImatch系统，它提供了一种方法来（a）寻找不同的用户定义的问题模式QEP和（b）自动从专家提供的和用户可定制的知识库的建议。现有的方法不提供使用灵活的用户定义的模式来执行工作负载分析的能力，因为它们缺乏对QEP施加适当结构的能力。我们介绍了一种新的语义Web系统，它允许一个相对幼稚的用户搜索任意模式，并得到存储在知识库中的建议，无论是由专家或添加的用户量身定制的环境中，他们的操作。我们的方法包括将QEP转换为RDF图，并通过处理程序将基于GUI的用户定义模式转换为SPARQL查询。SPARQL查询与抽象的RDF图进行匹配，抽象的RDF图的任何匹配部分都被中继回用户。利用知识库，OptImatch系统可以自动扫描并以统计方式匹配感兴趣的存储模式，并返回相应的建议。尽管知识库模式和解决方案建议不在用户提供的QEP的上下文中，但是通过处理程序标记接口自动调整上下文。
2015-10-12 cs.DB
Competency Questions and SPARQL-OWL Queries Dataset and Analysis
Poznan University of Technology（波兹南理工大学）；University of Cape Town（开普敦大学）
能力问题（CQ）是一种自然语言问题，它概括和约束了本体所表示的知识范围。尽管CQ是几种本体工程方法的一部分，但我们已经观察到，可用本体的CQ的实际发布非常有限，甚至更少的是它们各自形式化的发布，例如，SPARQL查询。本文旨在解决使用CQ在本体开发中的工程缺陷，以促进CQ的更广泛的使用。为了了解CQ和本体查询之间的关系，以测试本体上的CQ，我们收集，分析，并公开发布了一组234 CQ和他们的翻译SPARQL-OWL的几个本体在不同领域开发的不同团体。我们主要从两个方面分析了CQ。第一阶段集中于对自然语言文本本身的语言学分析，即，没有任何本体元素的前提的词汇-句法分析，以及随后的语义分析步骤，以便找到模式。CQ源的这种增加的多样性导致迄今为止公布的模式增加了5倍，达到106个不同的CQ模式，这些模式具有跨来自不同本体的CQ集共享的少数模式的有限子集。接下来，我们分析了所发现的CQ模式和46个SPARQL-OWL查询签名之间的关系，这表明一个CQ模式可以由多个SPARQL-OWL查询签名实现，反之亦然。我们希望我们的工作将有助于建立通用实践、模板、自动化和用户工具，以支持CQ制定、形式化、执行和一般管理。
2018-11-23 cs.AI cs.CL cs.DB
Towards Researcher Agents for Knowledge-Graph Question Answering
Liber AI Research（Liber AI研究院）
本研究提出研究者智能体式文本转SPARQL系统，在DBpedia上迭代优化后，其在2025年DBpedia验证集上总体准确率达0.22，发现瓶颈在谓词选择，建议基准采用多指标评分。
2026-08-11 cs.AI cs.DB
